Big Data. Modelos de Uso e Implantación

Asistimos al evento “Big Data, modelos de uso e implantación” organizado por el CEEIM. El ponente, Wolfram Rozas, Business Development Executive de Big Data en IBM, trató de acercar a los asistentes el concepto Big Data con un lenguaje cercano para el emprendedor y, sobre todo, habló de experiencias y de la utilidad del mismo.

Wolfram comenzó haciendo una larga introducción en la que ponía los antecedentes del universo Big Data, dando por hecho que el proceso ya ha comenzado, y que las principales empresas ya incorporan procesos de modelado y patrones de datos para conseguir mejorar la eficiencia, tanto productiva como económica.

Además, quiso incidir en la idea de que un dato por sí solo no vale nada. Un dato no identifica a personas, ni marca tendencias o patrones de consumo. Pero si ese dato se recopila de forma masiva y es sometido a un patrón, entonces sí nos está dando mucha información.

Así, para el ponente, el Big Data es “más datos, muchos más datos”, pero siempre que todos estos datos sean estructurados. Y es que, según Wolfram, los datos son el nuevo recurso natural, es la materia prima más valorada y utilizada.

No obstante, pese a todo, nos encontramos con el primer problema a poco que comenzamos a profundizar en los procesos de utilización de datos: la magnitud desorbitada que hace que las pymes no puedan acceder por sí solas al Big Data. Para ello, se está utilizando el Data Warehouse, como un centro suministrador de información a las empresas que quieran hacer uso de tecnologías Big Data, debido a las grandes capacidades necesarias, ya que hablamos de petabytes (equivalente a 1.000 terabytes o 1.000.000 gigabytes) e incluso exabytes (1.000 petabytes), lo cual se traduce en inversiones demasiado importantes para las pymes. Mediante el Data Warehouse, una pyme podrá utilizar el Big Data y pagar sólo por su utilización.

Según Wolfram, uno de los problemas fundamentales que tiene el Big Data es que las empresas no saben qué hacer con los datos y no hay una política clara de monetización de esos datos.

Wolfram explica qué es el Big Data con la regla de las 4 uves:

• Volumen (datos en reposo)
• Velocidad (datos en movimiento)
• Variedad (datos en multitud de formatos)
• Veracidad (datos ruidosos)

Una de las principales líneas de negocio de IBM son los bancos y las entidades financieras. Para la banca el Big Data es imprescindible, pero también plantea una serie de retos y oportunidades, tanto por el volumen de datos que se manejarán y la velocidad de actuación como por la toma de decisiones que se puede conseguir y, sobre todo, por la variedad de los datos obtenidos.

Uno de los proyectos más importantes que Wolfram comentó en el taller fue la plataforma Hadoop. Se trata de un sistema de almacenamiento algorítmico para el Big Data. Hay que tener en cuenta que el Big Data no funciona por causalidad, sino por correlación.

Wolfram también habló de los patrones de textos que son analizados y cuyos significados son extraídos. De esta forma, el Big Data se enfrenta a un gran reto que es la interpretación de los sistemas cognitivos, es decir, entender e interpretar textos, de forma que podamos incluso identificar al autor de un texto por la forma de escribir.

Para finalizar la primera parte, Wolfram aseveró que no puede existir el Big Data sin el Business Analytics. El fin último es que los datos sean analizados e interpretados para poder tomar decisiones. De no ser así, estos datos no servirían para nada.

Wolfram Rozas comentando con uno de los asistentes al evento

La segunda parte de la conferencia se centraría en conceptos como el Lago de Datos y los cambios en el paradigma analítico antes de adentrarnos en las utilidades reales del Big Data.

El concepto de Lago de Datos hace que nos planteemos un universo en el que los datos son una parte minúscula de ese universo, que podemos modificar a nuestro antojo, en la medida que un dato pueda tener dos significados al mismo tiempo y servir para dos objetivos distintos.

Se abre así un horizonte en el que todo el mundo recoge datos de todo el mundo. Grandes empresas como Amazon, Yahoo!, Google, Apple, etc., recogen información de todo tipo con el fin de poder utilizarlos en un futuro cercano, aunque empresas como Amazon ya están sacándole partido. El futuro cercano tenderá al Live Analytics, es decir, poder analizar datos en tiempo real y tomar decisiones en décimas de segundos o incluso antes de que las cosas sucedan.

En una de las últimas partes del taller, Wolfram se metió de lleno con los usos del Big Data, comenzando con las 5 categorías fundamentales en las que podemos clasificarlo:

• Exploración: En esta categoría entran todos los usos que se basan en el estudio de los datos de usuarios para poder tomar decisiones estratégicas.
• Vista 360º de cliente mejorada: El objetivo principal de esta categoría es la fidelización y el trato mejorado del cliente. En un universo donde los clientes no se crean sino que se roban, es imprescindible conocer sentimientos y predecir situaciones de enfados y descontentos.
• Seguridad / Inteligencia Aumentada: Donde encajan todos aquellos usos cuyo objetivo sea la mejora de servicios de seguridad de red, para proteger tanto datos como procesos.
• Inteligencia Operacional: Incluyen todos los usos que buscan la mejora de servicios para evitar situaciones peligrosas.
• Aumento del Data Warehouse: Integración de las capacidades del Big Data y del Data Warehouse para mejorar la eficiencia operacional.

A continuación, Wolfram expuso a los asistentes varios casos de éxito de aplicación de sistemas Big Data.

Uno de ellos es la optimización de ofertas y venta cruzada. La idea en este caso es detectar eventos en tiempo real para poder tomar decisiones de forma inteligente o automática y aumentar los valores de compra.

Otro de los ejemplos fue el uso del Big Data para la optimización de la carga en Retail (empresas de venta al consumidor final). Aquí el Big Data proporcionará la información necesaria de los clientes para anticiparnos a sus necesidades con distintas acciones de marketing o fidelización.

Y como el máximo responsable de Big Data de IBM en España, Wolfram también contó experiencias de clientes suyos que han utilizado el Big Data para distintos objetivos.

Un ejemplo es un fabricante aeroespacial global, que incrementó la eficiencia de la fuerza laboral para ahorrar 36 millones de dólares anualmente. O el caso de una Compañía de Emailing americana que analiza miles de millones de emails no estructurados para mejorar en tiempo y en rendimiento. Otro ejemplo que expuso fue el de un fabricante de tecnología de datos en streaming de sistemas de video vigilancia, que consiguió reducir los tiempos de captura y, sobre todo, de respuesta, consiguiendo que esta fuera más rápida e inteligente para cualquier amenaza.

También el mercado de la Bolsa es sensible al uso del Big Data. Como ejemplo expuso el caso de una empresa que opera en dicho mercado para mejorar notablemente el rendimiento y la gestión de información, reduciendo el tiempo de acceso a datos críticos de negocios de 26 horas a 2 minutos. Otra experiencia que llamó profundamente la atención por el tipo de negocio fue la de un Bureau de Salud Asiático, que redujo los errores de diagnóstico con el Big Data. O la del Instituto de la Universidad de Ontario detectando síntomas de neonatos con anterioridad, reduciendo la mortandad infantil y mejorando la calidad de los pacientes.

Las energéticas fueron también parte de los ejemplos expuestos por Wolfram. En uno de ellos, Battelle utilizó el Big Data para ayudar a reducir los costes de energía, la fiabilidad y al rendimiento de la red, capacitando a una ciudad para evitar una potencial caída de tensión.

Y para finalizar la conferencia, Wolfram propuso un taller en el que se debía sacar una idea novedosa para la utilización del Big Data. En él los asistentes expusieron sus preferencias por aquellos sectores, necesidades y oportunidades más interesantes. Finalmente, obtuvieron una idea común que fue la utilización del Big Data para mejorar la eficiencia de ventas en el retail.

De esta forma, se dio por concluida la conferencia, poniendo sobre la mesa la actualidad del Big Data, aunque siendo conscientes de que la madurez de esta tecnología llegará en años posteriores.